d3-ultra
vLLM Semantic Router 团队发布的 27B 开源权重多模态决策模型，采用判别式打分范式，一次前向读取文本、图像和视频并输出候选答案概率分布，专为路由、分类和答案选择场景设计。
时间轴 (近 90 天)
d3-ultra的模型权重以Apache-2.0协议在Hugging Face上开源。
AMD与vLLM Semantic Router团队合作推出d3-ultra模型。
d3-ultra支持逐答案概率输出、视觉定位和视频跟踪。
d3-ultra完全在AMD Instinct GPU上训练和推理。
d3-ultra 的多模态维度上目前缺少公开的量化评测结果。
d3-ultra 属于判别式打分模型，其典型结构是在编码器或融合编码器后接打分头，对每个候选答案计算 logit 并经 softmax 得到概率分布。
d3-ultra 声称在一次前向中统一处理文本、图像和视频，这通常意味着使用统一 tokenizer 将不同模态映射到共享表征空间，由同一个 Transformer 主干进行交叉注意力计算。
从命名看，d3-ultra 是挂在 vLLM Semantic Router 项目下的组件，而非独立的基础模型，其使用方式是嵌入语义路由链路。
d3-ultra 原文未提及概率校准方案，也未说明视频输入的实际处理粒度（采样帧数、时长上限、是否支持音频）以及与 vLLM 推理栈的集成方式。
27B 参数量在开源模型中属于中等偏上，兼顾了能力与部署成本。
还有 4 条时间轴事件
全部知识事实 (14)
d3-ultra支持逐答案概率输出、视觉定位和视频跟踪。
50%待验证d3-ultra完全在AMD Instinct GPU上训练和推理。
50%待验证AMD与vLLM Semantic Router团队合作推出d3-ultra模型。
50%待验证官方披露 d3-ultra 在团队自建的 SR-Text 测试中取得 87.2 的成绩。
50%待验证d3-ultra 的多模态维度上目前缺少公开的量化评测结果。
50%待验证d3-ultra 属于判别式打分模型，其典型结构是在编码器或融合编码器后接打分头，对每个候选答案计算 logit 并经 softmax 得到概率分布。
50%待验证d3-ultra 声称在一次前向中统一处理文本、图像和视频，这通常意味着使用统一 tokenizer 将不同模态映射到共享表征空间，由同一个 Transformer 主干进行交叉注意力计算。
50%待验证27B 参数量在开源模型中属于中等偏上，兼顾了能力与部署成本。
50%待验证从命名看，d3-ultra 是挂在 vLLM Semantic Router 项目下的组件，而非独立的基础模型，其使用方式是嵌入语义路由链路。
50%待验证d3-ultra 原文未提及概率校准方案，也未说明视频输入的实际处理粒度（采样帧数、时长上限、是否支持音频）以及与 vLLM 推理栈的集成方式。
50%待验证d3-ultra 的定位是决策模型，一次性读取文本、图像和视频，并为每个候选答案返回概率分数，而非生成自然语言文本。
50%待验证目前关于该新模型的具体架构、训练数据和基准测试成绩的详细信息尚未在原始推文中披露。
50%待验证d3-ultra的模型权重以Apache-2.0协议在Hugging Face上开源。
50%待验证vLLM Semantic Router 团队发布了名为 d3-ultra 的 27B 开源权重多模态决策模型。
50%